图像去噪是信号处理领域中的一个前沿课题,基于Contourlet变换的图像去噪方法是近年来该领域中的一个研究热点。作为多尺度几何分析方法之一,Contourlet变换不仅继承了小波变换的多分辨特性和时频局部化特性,还具有多方向性和各向异性,能够更有效地捕捉到自然图像中的重要信息,因此,Contourlet变换在图像去噪方面具有广阔的应用前景。本文在研究Contourlet变换以及现有图像去噪方法的基础上,重点研究了图像经Contourlet变换之后,其Contourlet系数在同一尺度内和不同尺度间表现出的相关特性,从而提出了两种新的基于Contourlet系数相关特性的图像去噪算法,主要工作如下:在深入研究了Contourlet变换的理论及算法的基础上,利用图像对应的Contourlet系数在尺度内的邻域特性,构造并得到一个自适应阈值,进而提出了一种基于邻域信息的Contourlet自适应阈值去噪算法,取得了很好的去噪效果。深入研究了Contourlet系数之间的相关性及其统计模型,在此基础上,提出了一种基于尺度间系数相关性的Contourlet域图像去噪算法。该算法在应用阈值法对Contourlet系数进行取舍的同时,还将Contourlet系数尺度间的相关性作为Contourlet系数进一步取舍的依据。实验结果表明,该算法在提高PSNR值的同时,很好地保留了图像的边缘信息,取得了令人满意的视觉效果。